考虑小水电出力不确定性的小水电与大中型水电站群短期联合调度方法

小水电出力具有随机性和难以预测性,大规模接入电网后增加了电力系统调度决策的复杂性和难度。针对大规模小水电群出力的不确定性,引入随机规划相关理论,采用情景分析方法构造出力情景集合,提出模糊聚类和聚类综合质量法实现情景缩减,建立当前预测精度条件下小水电预测与未来可能实际情景的条件概率分布,将小水电不确定性转变成为有限个确定性条件情景问题。同时,建立多情景小水电与大中型水电站群联合调度的期望调峰模型,首先通过相似性分析判别当前小水电群预测出力归属预测情景类别,进而获当前预测情境下实际情景概率分布;其次提出基于逐次逼近和关联搜索的水电站群降维搜索算法求解模型。云南电网仿真分析表明,该模型能够有效提升大中型水电发电计划对小水电情景的适应性,增加电网期望调峰效益,提高水电计划的可靠性。     

基于Copula理论的风/光出力预测误差分析方法的研究

准确预测风/光出力能够提高电力系统经济调度的可靠性。本文提出了一种新型的风/光出力预测误差分析方法,在基于点预测数据基础上,针对风电出力和光伏出力点预测精度不高的问题,采用Copula函数分别计算风电出力和光伏出力的实际值和预测值的联合概率分布,采用聚类的方法分别按天气类型和季度分析历史数据,分别对风电出力和光伏出力预测误差进行建模以提高预测精度,同时在各环境下考虑风电场和光伏电站的相关特性,使预测更加准确。以某风/光电站实际出力数据、天气、时间等为样本进行了实例研究,通过与传统预测方法进行对比验证了模型的精确性。     

计及风电预测可靠性的含风电电力系统优化调度模型

针对风电随机性对电力系统安全、经济运行的影响,在考虑风电预测可靠性的基础上,建立含风电的电力系统优化调度模型。将实际风电出力看作随机变量,并通过混合Copula函数对历史风电场出力及其对应预测值建立相关性模型;在得到预测出力后,通过相关性模型获得风电实际出力分布概率;采用机会约束规划建立含风电的电力系统经济调度模型,并在保证系统可靠性的条件下优化风电计划出力。最后通过改进粒子群优化算法求解模型,结果表明该模型和算法可行且有效。     

基于CVaR的风电机组日前申报出力优化模型研究

在我国,风电机组需提前一天提交次日24小时的申报出力信息,由于来风具有明显的不确定性和随机性特征,风电机组次日实际出力与日前申报出力会存在一定的偏差。为解决以上问题,首先采用K-means聚类法对风电机组实际出力数据进行聚类,并生成样本集;其次,基于风电不确定性样本集构建风险中性风电机组日前申报出力决策优化模型;再次,构建基于条件风险值（CVaR）的日前申报出力优化模型;最后,基于实际数据进行了算例分析。算例分析结果表明,基于CVaR的日前申报出力决策优化模型能有效减少风电机组日前申报出力与次日实际出力的偏差,且使风电机组获得风险价值更好的申报出力,从而实现申报利润的风险可控性。     

考虑风光不确定性的高比例可再生能源电网短期联合优化调度方法

随着风电、光伏的规模化并网,如何考虑其出力不确定性和难预测性,制定出更为可靠的水电发电计划是水电主导的高比例可再生能源电网亟需解决的关键难题。该文基于随机规划理论,以系统剩余负荷方差的期望值最小为目标,构建随机期望值调峰模型,实现水风光短期联合调度。为表征新能源出力不确定性,提出一种耦合分位点回归理论和降维聚类技术的新能源组合出力场景集生成方法,利用历史统计信息将新能源出力由确定性预测序列转化为出力场景集。最后,利用商业求解器LINGO 18.0求解模型。依据云南电网主要大中型水电站群、全网风电和光伏,开展模型应用测试。与确定性调峰调度模型对比表明,随机期望值模型制定的水电发电计划更加可靠,鲁棒性更高,有利于应对新能源出力不确定性。     

基于风电出力概率预测模型的源荷储日前概率优化调度

为提高电力系统应对风电出力不确定性的能力,基于概率优化方法,构建源荷储日前概率优化调度模型,该模型在考虑风电出力概率分布的同时避免了大量场景的生成与缩减过程,且能够考虑风电出力偏离预测值后常规机组的调整情况,实现备用容量在各机组间的最优分配。在对储能设备进行日前调度时,根据荷电状态的变化动态调整储能设备的充放电功率上限值,改进储能设备的数学模型,避免储能设备发生过充和过放。采用IEEE 6节点系统进行算例分析,验证了所建模型的有效性。     

计及风电出力不确定性的抽水蓄能-风电联合优化调度方法

研究适用于风电大规模接入系统的抽水蓄能-风电联合运行优化调度方法对于系统的安全稳定运行具有十分重要的意义。结合风电场及抽水蓄能电站的运行特性,提出了一种计及风电出力不确定性的抽水蓄能-风电联合优化调度方法。利用风险约束理论来描述风电出力的不确定性,将抽水蓄能作为一种平抑风电出力波动性的手段纳入到调度体系之中,以此为基础,研究构建了一种计及风电出力不确定性的抽水蓄能-风电联合优化调度模型,并提出了一种基于改进离散粒子群算法的模型求解方法。基于10机算例的仿真验证了所提方法的正确性和有效性,结果表明,与传统调度方法相比,该方法可以有效提升系统的经济效益。     

基于自适应预测箱的风电场景分析方法

针对风电出力的不确定性特点,提出一种场景分析方法,通过生成风电的时序场景集刻画其出力的不确定性信息。将场景分析方法分为场景生成部分和场景消减部分。在场景生成部分,构建自适应预测箱描述不同预测出力幅值下预测误差的概率分布,结合多元标准正态分布和逆变换技术得到满足自相关性的初始场景集;至于场景消减方面,改进传统K-means算法提高聚类算法的聚类水平和聚类稳定性。实例分析表明,该场景分析技术对风电概率信息的刻画具有较高的准确性,适用于涉及大规模风电并网的电力系统调度问题。     

基于气象分型改进构造不确定集的多微网低碳鲁棒经济调度

在新型电力系统背景下,研究计及风电出力不确定性的多微网低碳调度策略,有利于降低风电出力不确定性对调度策略低碳性和经济性的影响。因此,提出一种计及碳交易成本并基于气象聚类分组生成改进风电不确定集的多微网可调鲁棒低碳经济调度模型。首先,利用最小冗余最大相关性特征选择技术、CURE层次聚类算法和条件生成对抗网络建立气象特征聚类下的风电出力生成模型,并结合概率分布模糊集,构建不同气象类型下的风电出力不确定集。其次,为实现微网低碳经济运行,将阶梯式碳交易机制引入微网,同时考虑到风电出力不确定性对微网调度的影响,建立基于改进风电不确定集合的微网间电能互济两阶段可调鲁棒模型。再次,采用交替方向乘子法嵌套列约束生成算法交替迭代,实现对多微网电能互济调度模型求解。最后,通过算例验证所提模型可提升风电出力不确定描述精度,同时提高微网运行经济性和低碳性。     

考虑静态安全距离的含风电电网安全优化调度

大规模风电的接入给系统优化调度带来了严峻的挑战。传统含风电电力系统调度方法高度依赖于精确的风电概率分布或高精度的风电预测区间的建立,在处理风电不确定性超出预计值时可能存在校正调度、弃风的问题。为促进风电的消纳,引入安全域理论的概念,分析安全域、静态安全距离与风电出力不确定性间的关系。在此基础上,提出了添加系统静态安全距离为约束的电网安全优化调度模型。IEEE39节点系统算例的仿真结果表明,所提模型面对当前风电预测精度较低的实际情况,具有一定的鲁棒性和较强的可操作性。     

基于通用分布的风电功率出力动态场景生成方法

随着大规模风电接入电网,风电功率的不确定性使得电力系统的运行与调度面临着新的挑战。针对风电功率的不确定性,本文提出了基于通用分布的风电功率动态场景生成方法,将风电的不准确性转化为确定性模型。本文首先利用通用分布良好的拟合特性去近似表征风电功率的实际分布,然后对风电的波动性进行建模,通过逆变换抽样的方法生成大量既符合风电的随机性又符合波动性的场景。为了验证所提方法的有效性,本文从场景生成的速度和精确程度方面进行了比较。以实际风电数据为基础的仿真算例验证了所提的基于通用分布的风电功率出力动态场景生成方法的可行性。     

风电功率预测偏差管理与申报出力决策

风电功率的预测偏差会产生大量的自动发电控制（automatic generation control,AGC）调节费用。如何采用政策激励来提高风电预测准确性对电网安全与经济运行具有重大意义。研究了上网风电预测准确性考核管理与风电场最佳功率申报问题。借鉴当前电网调度公司对常规电源发电功率考核的方法,提出了考核风电功率预测...     

计及预测误差相关性的风电出力不确定性集合建模与评估

先进的鲁棒调度技术是应对出力不确定性最经济、最有效的手段之一;而不确定性集合是刻画风电出力不确定性的基本形式,它不依赖于预测误差的具体分布形式,是制定风电鲁棒调度策略,进而保障系统安全经济运行的重要参考依据。首先,采用实际数据对现有不确定性集合建模方法进行了评估,指出在不确定性集合中若忽略风电预测误差的相关性将导致不合理的结果。在此基础上,基于广义椭球的一般表达式,提出了风电出力不确定性测度的概念,进而给出一种可以准确考虑风电预测误差相关性的不确定性集合建模方法。实际算例表明,在给定置信概率下,所提方法能够保证不确定性集合凸性,大幅压缩不确定性集合的测度,从而显著降低电力系统鲁棒优化决策的保守性。     

考虑场景聚类的配电网运行灵活性评价

随着配电网新能源渗透率的不断提高,需要对配电网的运行灵活性进行全面的评估.但目前关于灵活性的讨论多集中在输电系统,且评价场景单一,也缺乏对可中断负荷等灵活性资源的讨论.因此基于灵活性场景的聚类,提出一种配电网灵活性评价方法.首先采用近邻传播算法聚类得到典型的配电网运行场景.然后考虑风电和负荷出力的不确定性,用非参数模型...     

基于Copula函数与等概率逆变换的风电出力场景生成方法

随着风电利用率的大规模提高,应用典型场景法应对风电机组出力的不确定性具有重要意义。针对多风电场出力之间的时空相关性提出一种改进的场景生成与缩减方法,并提出评价方法来检验生成场景的质量。该方法应用指数函数法构建体现风电时间相关性的多元变量协方差矩阵,应用Copula函数建立多风电场空间相关性模型,通过对随机数与历史数据的累积概率分布函数进行时空相关非线性变换与等概率逆变换生成大量初始场景。改进K-means聚类方法,通过手肘法与聚类有效性指标综合确定最优聚类数目后,缩减得到代表性时空相关风电场景。最后通过4项评价指标,对生成场景的波动性、相关性、可靠性等进行质量检验。算例分析表明,与其他方法相比,所提方法生成场景的波动性、爬坡情况和时空相关性均与历史数据更贴合,具有更高的实测值覆盖率。     

基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测

随着风电在现代电网的渗透率越来越高,电力系统优化运行对风电功率区间预测的可靠性提出了更高要求.现有的风电功率区间预测通常针对历史数据整体的误差,或者基于不同的出力水平进行分类误差建模,难以反映预测模型对于不同风况下的适应性.鉴于此,提出了一种基于数值天气预报(NWP)风速和蒙特卡洛法的短期风电功率区间预测模型.首先,按...     

一种改进概率权的短时风电功率组合预测方法

针对风电功率预测组合模型中各模型的权重系数确定的问题,提出一种基于概率权和优化相融合的组合模型权重系数的确定方法。首先利用概率和权数的同质性,对多种单个模型进行优化组合,然后确定单个模型的最优权重系数,最后将组合预测模型改进为动态组合预测模型以提高预测精度。实验测试表明:提出的基于概率权的风电功率组合模型能有效提高短期风电功率预测结果的准确性,而动态权重系数的自适应变化可以进一步增强该方法在风功率预测中的普遍适用性。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

含风电场最优潮流的Wait-and-See模型与最优渐近场景分析

精确模拟风功率分布的场景,有效求解反映风电随机性的最优潮流模型,对大规模风电并网的经济调度、质量控制及安全运行均具有重要意义。引入风电随机变量,建立最优潮流的"wait-and-see"(WS-OPF)模型;采用优于其他指标的瓦瑟斯坦(Wasserstein)距离为衡量指标,形成与风功率概率分布最优近似的场景模型,生成渐近最优场景,获得潮流分布及机组最优出力等指导调度安全经济运行的重要信息。最后,以IEEE 30和IEEE 300系统为例,对比各种距离指标的模拟精度,验证Wasserstein距离的优良性;同时,与不考虑风电随机性的模型相比,WS-OPF模型能更好地模拟风功率随机特性,提供与实际发生的风功率相近的调度方案,从而合理地规避风电接入电网的风险,提高风电的消纳能力。     

考虑可再生能源不确定性的风-光-储-蓄多时间尺度联合优化调度

提出一种计及可再生能源不确定性的风电、光伏、电化学储能和变速抽水蓄能电站多能互补协同的优化调度方法。考虑电化学储能和变速抽水蓄能电站的互补调节特性,建立风-光-储-蓄联合运行的多时间尺度调度架构。在日前调度阶段,考虑风电和光伏出力的相关性,生成基于生成式对抗网络和峰值密度聚类算法的日前风光联合出力典型场景,综合考虑风光出力的不确定性和抽水蓄能电站与电化学储能的容量特性,建立面向调峰需求的随机优化日前调度模型;在日内优化阶段,以最小化弃风弃光与电网备用电能为目标,构建变速抽水蓄能电站出力修正方法,制定电化学储能日内调度计划;在实时校正阶段,基于模型预测控制方法,以日内优化调度结果为参考,对电化学储能出力进行精确控制,最小化风光预测误差的影响。算例分析结果表明,所提方法可以有效减小电网负荷峰谷差,平抑风光联合出力波动,提升可再生能源消纳率。